如何让Pandas的4级索引DataFrame显示所有索引组合并求和

嘿，我来帮你搞定这个4级索引的补全需求！你之前的代码只处理了第三级索引下的第四级缺失值，要实现所有层级（第一、二、三、四级）的索引组合都显示，并且空值填充0，咱们可以用生成完整索引笛卡尔积 + 重新索引的方法，具体步骤如下：

核心思路 #

你的unstack(fill_value=0).stack()操作只针对最后一级索引做了展开和堆叠，没法覆盖前两级的缺失组合。正确的做法是先生成所有可能的4级索引组合（笛卡尔积），再让求和后的DataFrame对齐这个完整索引，缺失的位置自动填充0。

具体代码实现 #

步骤1：提取每一级索引的所有可能值 #

首先获取原DataFrame每一级索引的全部可选值（如果你的索引是有约束的，比如某级的可选值固定，也可以直接手动指定）：

# 从原DataFrame索引中提取每一级的所有可能值
level0 = df.index.levels[0]
level1 = df.index.levels[1]
level2 = df.index.levels[2]
level3 = df.index.levels[3]

如果你只想要基于原数据中实际出现过的每级索引值来生成组合，替换成下面的代码：

level0 = df.index.get_level_values(0).unique()
level1 = df.index.get_level_values(1).unique()
level2 = df.index.get_level_values(2).unique()
level3 = df.index.get_level_values(3).unique()

步骤2：生成完整的4级索引组合 #

用pd.MultiIndex.from_product生成所有层级的笛卡尔积组合：

full_index = pd.MultiIndex.from_product(
    [level0, level1, level2, level3],
    names=df.index.names  # 保留原索引的名称，避免混乱
)

步骤3：重新索引并填充缺失值 #

先执行你原来的求和操作，再用完整索引重新对齐，缺失位置填充0：

# 先按4级索引求和（和你原来的操作一致）
summed_df = df.sum(level=[0,1,2,3])
# 重新索引，补全所有缺失的索引组合，空值填0
result_df = summed_df.reindex(full_index, fill_value=0)

为什么这个方法有效？ #

from_product会生成所有层级值的全组合，不管原DataFrame中是否存在该组合；reindex会让求和后的DataFrame对齐这个完整索引，原来不存在的组合就会被填充为你指定的fill_value=0，这样第一、二、三、四级的所有索引组合都会被展示出来啦！

内容的提问来源于stack exchange，提问作者CDVC23